Przypadki użycia transkrypcji audio
Na tej stronie
Kurs zaktualizowano 3 listopada 2026 r. dla modelu Voxtral 3, w oparciu o przewodnik Mistrala Migrate from Voxtral 2: modele Voxtral 2 (
voxtral-mini-2602,voxtral-mini-transcribe-realtime-2602,voxtral-mini-tts-2603), wycofane 31 października 2026 r. i całkowicie usunięte 30 kwietnia 2027 r., zostały zastąpione w przykładach modelamivoxtral-mini-transcribe-3,voxtral-mini-transcribe-realtime-3orazvoxtral-mini-tts-3-0. Kluczowe zmiany: obsługiwane są tylko znaczniki czasu na poziomie segmentów (żądaniewordzwraca błąd 400), wsparcie dla diarizacji w czasie rzeczywistym, ustawienia sesji w czasie rzeczywistym blokowane po wysłaniu pierwszego fragmentu audio oraz elastyczne dane wejściowe dlacontext_bias(frazy zawierające spacje). Źródła: Migrate from Voxtral 2 · Speech to Text.
Dlaczego warto automatyzować transkrypcję audio
Automatyczna transkrypcja przekształca strumień audio w ustrukturyzowany, gotowy do użycia tekst. Dzięki obecnej wydajności modelu Voxtral wskaźnik błędów jest na tyle niski, że wynik można wykorzystywać bezpośrednio w wielu kontekstach zawodowych bez konieczności żmudnej korekty. Ten szczegół zmienia rachunek ekonomiczny: dopóki konieczna jest weryfikacja linia po linii, automatyzacja jedynie przesuwa pracę, zamiast ją eliminować.
Poniższe przypadki użycia mają jedną wspólną cechę: każdy z nich opiera się na konkretnym parametrze API. Nauka rozpoznawania tych parametrów uchroni Cię przed ręcznym odtwarzaniem tego, co model generuje samodzielnie.
Automatyczne napisy
Napisy to najbardziej bezpośrednie zastosowanie. Znaczniki czasu na poziomie segmentów w modelu Voxtral Mini Transcribe 3 dostarczają czasu rozpoczęcia i zakońcia każdego segmentu transkrypcji, co wystarcza do wygenerowania plików SRT lub VTT zsynchronizowanych z mową. Włączasz tę funkcję za pomocą parametru timestamp_granularities=["segment"]; znaczniki czasu na poziomie słów, dostępne w Voxtral 2, obecnie zwracają błąd 400. Jeśli segment jest zbyt długi, by zmieścił się na ekranie, dzielisz go dalej po stronie klienta.
W praktyce organizacja e-learningowa wykorzystuje to do tworzenia napisów do swojego katalogu wideo, agencja rządowa – do udostępniania treści osobom głuchym i niedosłyszącym, a wydawca – do produkcji wielojęzycznych napisów poprzez połączenie transkrypcji z tłumaczeniem. W przypadku webinarów na żywo lub konferencji potrzeba jest identyczna, ale przenosi się na rozwiązanie Voxtral Realtime, ponieważ plik nie jest dostępny w momencie, gdy napisy muszą się pojawić.
Przykład: generowanie napisów SRT
from mistralai.client import Mistral
client = Mistral(api_key="YOUR_API_KEY")
with open("video_audio.mp3", "rb") as f:
response = client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": f, "file_name": "video_audio.mp3"},
timestamp_granularities=["segment"]
)
# Generowanie pliku SRT: jeden napis na segment
def to_srt(segments):
srt_lines = []
for idx, seg in enumerate(segments, 1):
srt_lines.append(f"{idx}")
srt_lines.append(f"{format_time(seg.start)} --> {format_time(seg.end)}")
srt_lines.append(seg.text.strip())
srt_lines.append("")
return "\n".join(srt_lines)
def format_time(seconds):
h = int(seconds // 3600)
m = int((seconds % 3600) // 60)
s = int(seconds % 60)
ms = int((seconds % 1) * 1000)
return f"{h:02d}:{m:02d}:{s:02d},{ms:03d}"
Notatki ze spotkań
Połączenie transkrypcji z diarizacją czyni z Voxtral poważne narzędzie do automatycznego tworzenia notatek ze spotkań. Model identyfikuje każdego mówcę i produkuje transkrypcję ustrukturyzowaną według uczestników, podczas gdy płaska transkrypcja zmusza czytelnika do domyślania się, kto mówi. Wystarczą dwa parametry: diarize=True do rozdzielenia mówców oraz timestamp_granularities=["segment"] do uzyskania bloków czasowych.
Zespół wykorzystuje to do cotygodniowych odpraw, zarząd – do posiedzeń komisji, a dział jakości – do archiwizowania i przeszukiwania historii spotkań. Tekst z diarizacją stanowi również surowiec do automatycznego ekstrakcji decyzji i zadań do wykonania.
Typowy przepływ pracy
response = client.audio.transcriptions.complete(
model="voxtral-mini-transcribe-3",
file={"content": audio_file, "file_name": "reunion.mp3"},
diarize=True,
timestamp_granularities=["segment"]
)
# Każdy segment zawiera: speaker, start, end, text
for segment in response.segments:
print(f"[{segment.speaker_id}] ({segment.start:.1f}s) {segment.text}")
Następnie możesz przesłać wynik do modelu LLM (na przykład Mistral Large 3), aby wyodrębnić podsumowanie, podjęte decyzje i listę zadań.
Podcasty i wywiady
Podcasty i wywiady to treści długometrażowe – od trzydziestu minut do ponad dwóch godzin – z udziałem od dwóch do pięciu uczestników. Voxtral odróżnia prowadzącego od gości dzięki diarizacji, a także respektuje imiona prelegentów i żargon branżowy dzięki biasowaniu kontekstowemu (context biasing). W przypadku najdłuższych nagrań pamiętaj o oknie kontekstowym, współdzielonym między audio a słownictwem: żądanie przekraczające ten limit zostanie odrzucone z błędem 400 (nic nie zostanie ucięte); zamiast tego podziel plik audio na mniejsze części.
Producent podcastów wykorzystuje to do generowania pełnej transkrypcji publikowanej jako artykuł, indeksowania pełnotekstowego w celu utworzenia przeszukiwalnych archiwów, automatycznego tworzenia notatek do odcinków oraz przygotowywania cytatów gotowych do opublikowania w mediach społecznościowych. Ten sam plik audio zasila więc cztery różne deliverables.
Cyfrowa dostępność
Automatyczna transkrypcja jest filarem cyfrowej dostępności, wymaganym przez Europejski Akt o Dostępności (czerwiec 2025 r.). Dodawanie napisów do treści wideo jest obecnie wymogiem prawnym, podobnie jak transkrypcja wiadomości głosowych na tekst, dostarczanie tekstowych opisów treści audio – co przy okazji korzystnie wpływa na SEO – oraz utrzymywanie dostępnych archiwów nagrań.
Voxtral pozwala zautomatyzować te obowiązki na dużą skalę, przy kosztach krańcowych za minutę audio znacznie niższych niż w przypadku transkrypcji ludzkiej. W przypadku katalogu liczącego kilkaset godzin decyduje to o tym, czy wdrożenie zgodności z przepisami zostanie zrealizowane w ramach budżetu, czy też zostanie odłożone w nieskończoność.
Inne zastosowania
| Sektor | Typowy przypadek użycia |
|---|---|
| Call center | Transkrypcja i analiza rozmów z klientami w celu monitorowania jakości |
| Ochrona zdrowia | Dyktowanie raportów z wykorzystaniem biasowania kontekstowego dla specjalistycznego słownictwa |
| Prawo | Transkrypcja rozpraw i zeznań |
| Edukacja | Transkrypcja wykładów dla studentów |
| Dziennikarstwo | Szybka transkrypcja wywiadów terenowych |
Zanim napiszesz jakikolwiek kod, zidentyfikuj przypadek użycia najbliższy Twojemu z tej listy i zanotuj wymagane przez niego parametry. To właśnie ta kombinacja – a nie sam model – decyduje o jakości wyniku.
Kluczowe wnioski
- Tworzenie napisów wykorzystuje znaczniki czasu na poziomie segmentów do generowania plików SRT/VTT
- Notatki ze spotkań łączą diarizację z transkrypcją segmentową
- Podcasty i wywiady korzystają z obsługi długich nagrań (3 h) oraz biasowania kontekstowego
- Cyfrowa dostępność jest wymogiem prawnym, którego automatyzację wspiera Voxtral
- Każdy przypadek użycia opiera się na specyficznych parametrach API Voxtral